大数据和BI数据分析有什么不同，应用大数据的场景、来源、技术架构。
BI（商业智能）
中文翻译是商务智能，是一套完整的解决方案，用来将组织中现有的数据进行有效的整合， 快速准确的提供报表并提出决策依据，帮助组织做出明智的业务经营决策。
大数据
是从收集的海量数据中，通过算法将这些来自不同渠道、格式的数据进行直接分析， 从中寻找到数据之间的相关性。 简单而言， 大数据更偏重于发现，以及猜测并印证的循环逼近过程。
1.结构化VS非结构化
2.整体VS个体
大数据对于传统 BI，既有继承，也有发展，从”道”的角度讲， BI 与大数据区别在于前者更倾向于决策， 对事实描述更多是基于群体共性， 帮助决策者掌握宏观统计趋势， 适合经营运营指标支撑类问题， 大数据则内涵更广， 倾向于刻画个体，更多的在于个性化的决策。
3.传统数据库VSHadoop。
传统 BI 使用的是 ETL、数据仓库、 OLAP、可视化报表技术，ERP，属于应用和展示层技术，目前都处于淘汰的边缘，因为它解决不了海量数据 ( 包括结构化与非结构化)的处理问题。而大数据应用的是一个完整的技术体系，包括用 Hadoop、流处理等技术解决海量的结构化、 非结构化数据的 ETL问题，用 Hadoop、MPP等技术计算海量数据的计算问题， 用 redis 、HBASE等方式解决高效读的问题， 用 Impala等技术实现在线分析等问题。因此是个全新的行业。
4.集中式存储VS分布式存储
在大数据环境中，数据存储在分布式文件系统（例如HDFS）上，而不是存储在中央服务器上。数据将分布在工作节点上，以便于处理。分布式文件系统更加安全和灵活。
5.报表式分析VS探索式发现与分析：
个人理解：一个是已经有了条条框框的模型，往里面放东西，然后得出结果。一个是像牛顿一样，苹果砸在你头上，你想探究这个现象
大数据的应用场景：
零售
电子商务
快递
